版权声明：本文为博主原创文章遵循

版权协议，转载请附上原文出处链接和本声明

这个函数主要对数据的维度进行壓缩去掉维数为1的的维度。比如：是一行或者一列这种一个一行三列（1,3）的数去掉第一个维数为一的维度之后就变成（3）行。b=torch.squeeze(aN) 就是將a中所有为1的维度删掉，不为1的维度没有影响

在tensor的某个维度上添加一个维数为1的维度，这个功能用view()函数也可以实现比如：原本有个三荇的数据（3），在0的位置加了一维就变成一行三列（1,3）a.unsqueeze(N) 就是在a中指定位置N加上一个维数为1的维度。还有一种形式就是b=torch.unsqueeze(aN) a就是在a中指定位置N加上一个维数为1的维度。这一功能尤其在神经网络输入单个样本时很有用由于pytorch神经网络要求的输入都是mini-batch型的，维度为[batch_size, channels, w, h]而一个样本的維度为[c, w, h]，此时用unsqueeze()增加一个维度变为[1, c, w, h]就很方便了

备注： 以0为分界，正向取值和反向取值的效果相同其原理类似DataFrame中的正向、反向切片操作。正向取值时0表示行，1表示列；反向取值时-1表示列，-2表示行

$$

dim)中的参数dim含义相同，均代表在input的第dim个位置维度处进行维度1的压缩或扩充

返回一个1维张量，包含在区间start和end上均匀间隔的step个点输出张量的长度由steps决定。

返回一个张量Tensor包含了从 标准正态分布（均值为0，方差为1 ——即：高斯白噪声） 中抽取的一组随机数张量的形状由参数sizes定义。

• sizes (int…) - 整数序列定义了输出张量的形状

• size：空tensor的大小，没有初始化
• layout：内存布局对象

只需要调用torch.manual_seed(seed)它将随机数生成器的种子设置为固定值，这样当调用时torch.rand(2)，结果将可重现

如果输入x输出是y，则求y关于x的導数（梯度）：

 

 dydx就是(一阶导数)得到结果还需要乘以weight：